算法论文8

清华&NTU：两张图重构3D空间新范式

量子位2025-07-09

AI 摘要

清华&NTU团队的LangScene-X以生成式框架，仅用2张图就能构建3D语言嵌入场景。它解决传统方法痛点，单模型统合多模态，在多数据集上表现优异，为空间智能带来新范式。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

李飞飞押注空间智能，破局之路在哪？

李飞飞押注的空间智能是世界模型主流路线之一，旨在让AI生成可操作三维世界。但当前AI生成世界存在“中看不中用”问题，构建“站得住”的世界面临速度与状态瓶颈，生境科技等实践提供了解决思路。

影溯将最新研究成果做成免费3D捕捉工具Crystal空间相机，背后技术QuerySplat已开源。其模型Topos - Lite改变组织三维空间方式，少量图片就能秒级生成3D场景，还能扩展容量。影溯团队经验丰富，技术应用场景广。

南洋理工大学等团队推出NEO - ov模型，挑战传统「视觉编码器 + 大模型」范式，直接从原始像素学语言。它在多任务表现出色，尤其空间智能突出，但在OCR等方面有短板，展现原生多模态建模潜力。

群核科技开源3D高斯浏览器Aholo Viewer，渲染速度和大场景加载性能超Spark2.0，能让任何设备浏览器流畅运行10亿+粒子的超大3D场景。它还带动信息载体范式跃迁，推动AI理解三维世界。